🤖 AIによる機械翻訳（非公式） — これは OpenCV 5.0.0 公式リファレンス（英語）を AI (Claude) で自動翻訳したものです。訳に誤りを含む場合があります。正確な情報は 公式英語版（原文） を参照してください。
Package org.opencv.ml

Class SVM

  • public class SVM extends StatModel
    サポートベクターマシン。参照: REF: ml_intro_svm

    • コンストラクタの詳細

      • SVM

        protected SVM​(long addr)

    • メソッドの詳細

      • __fromPtr__

        public static SVM __fromPtr__​(long addr)

      • getType

        public int getType()
        SEE: setType
        戻り値:
        自動生成

      • setType

        public void setType​(int val)
        getType SEE: getType
        引数:
        val - 自動生成

      • getGamma

        public double getGamma()
        SEE: setGamma
        戻り値:
        自動生成

      • setGamma

        public void setGamma​(double val)
        getGamma SEE: getGamma
        引数:
        val - 自動生成

      • getCoef0

        public double getCoef0()
        SEE: setCoef0
        戻り値:
        自動生成

      • setCoef0

        public void setCoef0​(double val)
        getCoef0 SEE: getCoef0
        引数:
        val - 自動生成

      • getDegree

        public double getDegree()
        SEE: setDegree
        戻り値:
        自動生成

      • setDegree

        public void setDegree​(double val)
        getDegree SEE: getDegree
        引数:
        val - 自動生成

      • getC

        public double getC()
        SEE: setC
        戻り値:
        自動生成

      • setC

        public void setC​(double val)
        getC SEE: getC
        引数:
        val - 自動生成

      • getNu

        public double getNu()
        SEE: setNu
        戻り値:
        自動生成

      • setNu

        public void setNu​(double val)
        getNu SEE: getNu
        引数:
        val - 自動生成

      • getP

        public double getP()
        SEE: setP
        戻り値:
        自動生成

      • setP

        public void setP​(double val)
        getP SEE: getP
        引数:
        val - 自動生成

      • getClassWeights

        public Mat getClassWeights()
        SEE: setClassWeights
        戻り値:
        自動生成

      • setClassWeights

        public void setClassWeights​(Mat val)
        getClassWeights SEE: getClassWeights
        引数:
        val - 自動生成

      • getTermCriteria

        public TermCriteria getTermCriteria()
        SEE: setTermCriteria
        戻り値:
        自動生成

      • setTermCriteria

        public void setTermCriteria​(TermCriteria val)
        getTermCriteria SEE: getTermCriteria
        引数:
        val - 自動生成

      • getKernelType

        public int getKernelType()
        Type of a %SVM kernel. See SVM::KernelTypes. Default value is SVM::RBF.
        戻り値:
        自動生成

      • setKernel

        public void setKernel​(int kernelType)
        Initialize with one of predefined kernels. See SVM::KernelTypes.
        引数:
        kernelType - 自動生成

      • trainAuto

        public boolean trainAuto​(Mat samples,
                         int layout,
                         Mat responses,
                         int kFold,
                         ParamGrid Cgrid,
                         ParamGrid gammaGrid,
                         ParamGrid pGrid,
                         ParamGrid nuGrid,
                         ParamGrid coeffGrid,
                         ParamGrid degreeGrid,
                         boolean balanced)
        Trains an %SVM with optimal parameters
        引数:
        samples - 訓練サンプル
        layout - ml::SampleTypes を参照。
        responses - 訓練サンプルに対応する応答のベクトル。
        kFold - 交差検証のパラメータ。訓練セットは kFold 個のサブセットに分割される。1つのサブセットがモデルのテストに用いられ、残りが訓練セットを構成する。すなわち %SVM アルゴリズムは
        Cgrid - C 用のグリッド
        gammaGrid - gamma 用のグリッド
        pGrid - p 用のグリッド
        nuGrid - nu 用のグリッド
        coeffGrid - coeff 用のグリッド
        degreeGrid - degree 用のグリッド
        balanced - true でかつ問題が2クラス分類の場合、本メソッドはよりバランスの取れた交差検証サブセットを作成する。すなわちサブセット内のクラス間の比率が訓練データセット全体における比率に近くなる。本メソッドは最適なパラメータ C, gamma, p, nu, coef0, degree を選択することで %SVM モデルを自動的に訓練する。テストセット誤差の交差検証推定値が最小となるとき、パラメータは最適とみなされる。この関数はパラメータ最適化に SVM::getDefaultGrid のみを使用するため、初歩的なパラメータオプションしか提供しない。この関数は分類 (SVM::C_SVC または SVM::NU_SVC) でも回帰 (SVM::EPS_SVR または SVM::NU_SVR) でも動作する。SVM::ONE_CLASS の場合は最適化は行われず、params で指定されたパラメータを持つ通常の %SVM が実行される。
        戻り値:
        自動生成

      • trainAuto

        public boolean trainAuto​(Mat samples,
                         int layout,
                         Mat responses,
                         int kFold,
                         ParamGrid Cgrid,
                         ParamGrid gammaGrid,
                         ParamGrid pGrid,
                         ParamGrid nuGrid,
                         ParamGrid coeffGrid,
                         ParamGrid degreeGrid)
        Trains an %SVM with optimal parameters
        引数:
        samples - 訓練サンプル
        layout - ml::SampleTypes を参照。
        responses - 訓練サンプルに対応する応答のベクトル。
        kFold - 交差検証のパラメータ。訓練セットは kFold 個のサブセットに分割される。1つのサブセットがモデルのテストに用いられ、残りが訓練セットを構成する。すなわち %SVM アルゴリズムは
        Cgrid - C 用のグリッド
        gammaGrid - gamma 用のグリッド
        pGrid - p 用のグリッド
        nuGrid - nu 用のグリッド
        coeffGrid - coeff 用のグリッド
        degreeGrid - degree 用のグリッド。サブセット内のクラス間の比率が訓練データセット全体における比率に近くなるバランスの取れた交差検証サブセット。本メソッドは最適なパラメータ C, gamma, p, nu, coef0, degree を選択することで %SVM モデルを自動的に訓練する。テストセット誤差の交差検証推定値が最小となるとき、パラメータは最適とみなされる。この関数はパラメータ最適化に SVM::getDefaultGrid のみを使用するため、初歩的なパラメータオプションしか提供しない。この関数は分類 (SVM::C_SVC または SVM::NU_SVC) でも回帰 (SVM::EPS_SVR または SVM::NU_SVR) でも動作する。SVM::ONE_CLASS の場合は最適化は行われず、params で指定されたパラメータを持つ通常の %SVM が実行される。
        戻り値:
        自動生成

      • trainAuto

        public boolean trainAuto​(Mat samples,
                         int layout,
                         Mat responses,
                         int kFold,
                         ParamGrid Cgrid,
                         ParamGrid gammaGrid,
                         ParamGrid pGrid,
                         ParamGrid nuGrid,
                         ParamGrid coeffGrid)
        Trains an %SVM with optimal parameters
        引数:
        samples - 訓練サンプル
        layout - ml::SampleTypes を参照。
        responses - 訓練サンプルに対応する応答のベクトル。
        kFold - 交差検証のパラメータ。訓練セットは kFold 個のサブセットに分割される。1つのサブセットがモデルのテストに用いられ、残りが訓練セットを構成する。すなわち %SVM アルゴリズムは
        Cgrid - C 用のグリッド
        gammaGrid - gamma 用のグリッド
        pGrid - p 用のグリッド
        nuGrid - nu 用のグリッド
        coeffGrid - coeff 用のグリッド。サブセット内のクラス間の比率が訓練データセット全体における比率に近くなるバランスの取れた交差検証サブセット。本メソッドは最適なパラメータ C, gamma, p, nu, coef0, degree を選択することで %SVM モデルを自動的に訓練する。テストセット誤差の交差検証推定値が最小となるとき、パラメータは最適とみなされる。この関数はパラメータ最適化に SVM::getDefaultGrid のみを使用するため、初歩的なパラメータオプションしか提供しない。この関数は分類 (SVM::C_SVC または SVM::NU_SVC) でも回帰 (SVM::EPS_SVR または SVM::NU_SVR) でも動作する。SVM::ONE_CLASS の場合は最適化は行われず、params で指定されたパラメータを持つ通常の %SVM が実行される。
        戻り値:
        自動生成

      • trainAuto

        public boolean trainAuto​(Mat samples,
                         int layout,
                         Mat responses,
                         int kFold,
                         ParamGrid Cgrid,
                         ParamGrid gammaGrid,
                         ParamGrid pGrid,
                         ParamGrid nuGrid)
        Trains an %SVM with optimal parameters
        引数:
        samples - 訓練サンプル
        layout - ml::SampleTypes を参照。
        responses - 訓練サンプルに対応する応答のベクトル。
        kFold - 交差検証のパラメータ。訓練セットは kFold 個のサブセットに分割される。1つのサブセットがモデルのテストに用いられ、残りが訓練セットを構成する。すなわち %SVM アルゴリズムは
        Cgrid - C 用のグリッド
        gammaGrid - gamma 用のグリッド
        pGrid - p 用のグリッド
        nuGrid - nu 用のグリッド。サブセット内のクラス間の比率が訓練データセット全体における比率に近くなるバランスの取れた交差検証サブセット。本メソッドは最適なパラメータ C, gamma, p, nu, coef0, degree を選択することで %SVM モデルを自動的に訓練する。テストセット誤差の交差検証推定値が最小となるとき、パラメータは最適とみなされる。この関数はパラメータ最適化に SVM::getDefaultGrid のみを使用するため、初歩的なパラメータオプションしか提供しない。この関数は分類 (SVM::C_SVC または SVM::NU_SVC) でも回帰 (SVM::EPS_SVR または SVM::NU_SVR) でも動作する。SVM::ONE_CLASS の場合は最適化は行われず、params で指定されたパラメータを持つ通常の %SVM が実行される。
        戻り値:
        自動生成

      • trainAuto

        public boolean trainAuto​(Mat samples,
                         int layout,
                         Mat responses,
                         int kFold,
                         ParamGrid Cgrid,
                         ParamGrid gammaGrid,
                         ParamGrid pGrid)
        Trains an %SVM with optimal parameters
        引数:
        samples - 訓練サンプル
        layout - ml::SampleTypes を参照。
        responses - 訓練サンプルに対応する応答のベクトル。
        kFold - 交差検証のパラメータ。訓練セットは kFold 個のサブセットに分割される。1つのサブセットがモデルのテストに用いられ、残りが訓練セットを構成する。すなわち %SVM アルゴリズムは
        Cgrid - C 用のグリッド
        gammaGrid - gamma 用のグリッド
        pGrid - p 用のグリッド。サブセット内のクラス間の比率が訓練データセット全体における比率に近くなるバランスの取れた交差検証サブセット。本メソッドは最適なパラメータ C, gamma, p, nu, coef0, degree を選択することで %SVM モデルを自動的に訓練する。テストセット誤差の交差検証推定値が最小となるとき、パラメータは最適とみなされる。この関数はパラメータ最適化に SVM::getDefaultGrid のみを使用するため、初歩的なパラメータオプションしか提供しない。この関数は分類 (SVM::C_SVC または SVM::NU_SVC) でも回帰 (SVM::EPS_SVR または SVM::NU_SVR) でも動作する。SVM::ONE_CLASS の場合は最適化は行われず、params で指定されたパラメータを持つ通常の %SVM が実行される。
        戻り値:
        自動生成

      • trainAuto

        public boolean trainAuto​(Mat samples,
                         int layout,
                         Mat responses,
                         int kFold,
                         ParamGrid Cgrid,
                         ParamGrid gammaGrid)
        Trains an %SVM with optimal parameters
        引数:
        samples - 訓練サンプル
        layout - ml::SampleTypes を参照。
        responses - 訓練サンプルに対応する応答のベクトル。
        kFold - 交差検証のパラメータ。訓練セットは kFold 個のサブセットに分割される。1つのサブセットがモデルのテストに用いられ、残りが訓練セットを構成する。すなわち %SVM アルゴリズムは
        Cgrid - C 用のグリッド
        gammaGrid - gamma 用のグリッド。サブセット内のクラス間の比率が訓練データセット全体における比率に近くなるバランスの取れた交差検証サブセット。本メソッドは最適なパラメータ C, gamma, p, nu, coef0, degree を選択することで %SVM モデルを自動的に訓練する。テストセット誤差の交差検証推定値が最小となるとき、パラメータは最適とみなされる。この関数はパラメータ最適化に SVM::getDefaultGrid のみを使用するため、初歩的なパラメータオプションしか提供しない。この関数は分類 (SVM::C_SVC または SVM::NU_SVC) でも回帰 (SVM::EPS_SVR または SVM::NU_SVR) でも動作する。SVM::ONE_CLASS の場合は最適化は行われず、params で指定されたパラメータを持つ通常の %SVM が実行される。
        戻り値:
        自動生成

      • trainAuto

        public boolean trainAuto​(Mat samples,
                         int layout,
                         Mat responses,
                         int kFold,
                         ParamGrid Cgrid)
        Trains an %SVM with optimal parameters
        引数:
        samples - 訓練サンプル
        layout - ml::SampleTypes を参照。
        responses - 訓練サンプルに対応する応答のベクトル。
        kFold - 交差検証のパラメータ。訓練セットは kFold 個のサブセットに分割される。1つのサブセットがモデルのテストに用いられ、残りが訓練セットを構成する。すなわち %SVM アルゴリズムは
        Cgrid - C 用のグリッド。サブセット内のクラス間の比率が訓練データセット全体における比率に近くなるバランスの取れた交差検証サブセット。本メソッドは最適なパラメータ C, gamma, p, nu, coef0, degree を選択することで %SVM モデルを自動的に訓練する。テストセット誤差の交差検証推定値が最小となるとき、パラメータは最適とみなされる。この関数はパラメータ最適化に SVM::getDefaultGrid のみを使用するため、初歩的なパラメータオプションしか提供しない。この関数は分類 (SVM::C_SVC または SVM::NU_SVC) でも回帰 (SVM::EPS_SVR または SVM::NU_SVR) でも動作する。SVM::ONE_CLASS の場合は最適化は行われず、params で指定されたパラメータを持つ通常の %SVM が実行される。
        戻り値:
        自動生成

      • trainAuto

        public boolean trainAuto​(Mat samples,
                         int layout,
                         Mat responses,
                         int kFold)
        Trains an %SVM with optimal parameters
        引数:
        samples - 訓練サンプル
        layout - ml::SampleTypes を参照。
        responses - 訓練サンプルに対応する応答のベクトル。
        kFold - 交差検証のパラメータ。訓練セットは kFold 個のサブセットに分割される。1つのサブセットがモデルのテストに用いられ、残りが訓練セットを構成する。すなわち %SVM アルゴリズムは、サブセット内のクラス間の比率が訓練データセット全体における比率に近くなるバランスの取れた交差検証サブセット。本メソッドは最適なパラメータ C, gamma, p, nu, coef0, degree を選択することで %SVM モデルを自動的に訓練する。テストセット誤差の交差検証推定値が最小となるとき、パラメータは最適とみなされる。この関数はパラメータ最適化に SVM::getDefaultGrid のみを使用するため、初歩的なパラメータオプションしか提供しない。この関数は分類 (SVM::C_SVC または SVM::NU_SVC) でも回帰 (SVM::EPS_SVR または SVM::NU_SVR) でも動作する。SVM::ONE_CLASS の場合は最適化は行われず、params で指定されたパラメータを持つ通常の %SVM が実行される。
        戻り値:
        自動生成

      • trainAuto

        public boolean trainAuto​(Mat samples,
                         int layout,
                         Mat responses)
        Trains an %SVM with optimal parameters
        引数:
        samples - 訓練サンプル
        layout - ml::SampleTypes を参照。
        responses - 訓練サンプルに対応する応答のベクトル。サブセットがモデルのテストに用いられ、残りが訓練セットを構成する。すなわち %SVM アルゴリズムは、サブセット内のクラス間の比率が訓練データセット全体における比率に近くなるバランスの取れた交差検証サブセット。本メソッドは最適なパラメータ C, gamma, p, nu, coef0, degree を選択することで %SVM モデルを自動的に訓練する。テストセット誤差の交差検証推定値が最小となるとき、パラメータは最適とみなされる。この関数はパラメータ最適化に SVM::getDefaultGrid のみを使用するため、初歩的なパラメータオプションしか提供しない。この関数は分類 (SVM::C_SVC または SVM::NU_SVC) でも回帰 (SVM::EPS_SVR または SVM::NU_SVR) でも動作する。SVM::ONE_CLASS の場合は最適化は行われず、params で指定されたパラメータを持つ通常の %SVM が実行される。
        戻り値:
        自動生成

      • getSupportVectors

        public Mat getSupportVectors()
        Retrieves all the support vectors The method returns all the support vectors as a floating-point matrix, where support vectors are stored as matrix rows.
        戻り値:
        自動生成

      • getUncompressedSupportVectors

        public Mat getUncompressedSupportVectors()
        Retrieves all the uncompressed support vectors of a linear %SVM The method returns all the uncompressed support vectors of a linear %SVM that the compressed support vector, used for prediction, was derived from. They are returned in a floating-point matrix, where the support vectors are stored as matrix rows.
        戻り値:
        自動生成

      • getDecisionFunction

        public double getDecisionFunction​(int i,
                                  Mat alpha,
                                  Mat svidx)
        Retrieves the decision function
        引数:
        i - 決定関数のインデックス。解く問題が回帰、1クラス、または2クラス分類の場合、決定関数は1つだけになるため、インデックスは常に 0 であるべきである。それ以外の N クラス分類の場合、決定関数は \(N(N-1)/2\) 個になる。
        alpha - 重み用の省略可能な出力ベクトルで、それぞれ異なるサポートベクトルに対応する。線形 %SVM の場合、すべての alpha は 1 になる。
        svidx - サポートベクトル行列内におけるサポートベクトルのインデックスの省略可能な出力ベクトル（行列は SVM::getSupportVectors で取得できる）。線形 %SVM の場合、各決定関数は単一の「圧縮された」サポートベクトルで構成される。本メソッドは決定関数の rho パラメータ、すなわちカーネル応答の重み付き和から差し引かれるスカラー値を返す。
        戻り値:
        自動生成

      • getDefaultGridPtr

        public static ParamGrid getDefaultGridPtr​(int param_id)
        Generates a grid for %SVM parameters.
        引数:
        param_id - %SVM パラメータの ID で、SVM::ParamTypes のいずれかでなければならない。この ID を持つパラメータに対してグリッドが生成される。本関数は %SVM アルゴリズムの指定したパラメータに対するグリッドポインタを生成する。このグリッドは SVM::trainAuto 関数に渡すことができる。
        戻り値:
        自動生成

      • create

        public static SVM create()
        Creates empty model. Use StatModel::train to train the model. Since %SVM has several parameters, you may want to find the best parameters for your problem, it can be done with SVM::trainAuto.
        戻り値:
        自動生成

      • load

        public static SVM load​(java.lang.String filepath)
        Loads and creates a serialized svm from a file Use SVM::save to serialize and store an SVM to disk. Load the SVM from this file again, by calling this function with the path to the file.
        引数:
        filepath - シリアライズされた svm へのパス
        戻り値:
        自動生成